論文の概要: FedTherapist: Mental Health Monitoring with User-Generated Linguistic Expressions on Smartphones via Federated Learning

• arxiv url: http://arxiv.org/abs/2310.16538v1
• Date: Wed, 25 Oct 2023 10:35:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-26 15:12:36.904422
• Title: FedTherapist: Mental Health Monitoring with User-Generated Linguistic Expressions on Smartphones via Federated Learning
• Title（参考訳）: fedtherapist: フェデレート学習によるスマートフォン上での言語表現によるメンタルヘルスモニタリング
• Authors: Jaemin Shin, Hyungjun Yoon, Seungjoo Lee, Sungjoon Park, Yunxin Liu, Jinho D. Choi, Sung-Ju Lee
• Abstract要約: 既存の受動的メンタルヘルス監視システムは、アクティビティ、アプリ利用、モバイルデバイス経由の位置といった代替機能を使用している。 本稿では,プライバシ保護方式で連続音声とキーボード入力を利用するモバイルメンタルヘルスモニタリングシステムであるFedTherapistを提案する。
• 参考スコア（独自算出の注目度）: 19.16654135275393
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Psychiatrists diagnose mental disorders via the linguistic use of patients. Still, due to data privacy, existing passive mental health monitoring systems use alternative features such as activity, app usage, and location via mobile devices. We propose FedTherapist, a mobile mental health monitoring system that utilizes continuous speech and keyboard input in a privacy-preserving way via federated learning. We explore multiple model designs by comparing their performance and overhead for FedTherapist to overcome the complex nature of on-device language model training on smartphones. We further propose a Context-Aware Language Learning (CALL) methodology to effectively utilize smartphones' large and noisy text for mental health signal sensing. Our IRB-approved evaluation of the prediction of self-reported depression, stress, anxiety, and mood from 46 participants shows higher accuracy of FedTherapist compared with the performance with non-language features, achieving 0.15 AUROC improvement and 8.21% MAE reduction.
• Abstract（参考訳）: 精神科医は患者の言語的使用を通じて精神疾患を診断する。 それでもデータプライバシのため、既存のパッシブメンタルヘルス監視システムは、アクティビティ、アプリ使用、モバイルデバイス経由のロケーションといった代替機能を使用する。 我々は,フェデレーション学習によるプライバシー保護手法を用いて,連続的な音声とキーボード入力を利用するモバイルメンタルヘルスモニタリングシステムであるFedTherapistを提案する。 スマートフォン上での言語モデル学習の複雑な性質を克服するために,フェデロピストのパフォーマンスとオーバーヘッドを比較することにより,複数のモデル設計を探索する。 さらに,スマートフォンの大規模でノイズの多いテキストをメンタルヘルス信号検出に有効活用するためのコンテキスト認識言語学習(CALL)手法を提案する。 自己報告型うつ病, ストレス, 不安, 気分の予測をIRBで評価した結果, 非言語機能と比較してFedTherapistの精度が向上し, 0.15 AUROCの改善と8.21%のMAE低下が得られた。

関連論文リスト

• On-device Federated Learning in Smartphones for Detecting Depression from Reddit Posts [0.0]
  ソーシャルメディアの投稿は個人の精神状態に関する貴重な情報を提供している。 本研究では,スマートフォン上での分散学習を容易にするために,フェデレートラーニング(FL)を採用した。 トレーニングプロセスを最適化するために、すべてのクライアントデバイスで共通のトークン化ツールを活用します。
  論文  参考訳（メタデータ） (2024-10-17T16:09:32Z)
• MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
  メンタルヘルス障害は世界で最も深刻な病気の1つである。 プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
  論文  参考訳（メタデータ） (2024-10-09T13:06:40Z)
• Mental-Perceiver: Audio-Textual Multimodal Learning for Mental Health Assessment [10.584792972403596]
  不安や抑うつといった精神障害は、さまざまな年齢の人々の生活に影響を及ぼす世界的な問題となっている。 我々は,マンダリン話者の不安と抑うつ評価に関する大規模テキストbfMulti-textbfModal textbfpsychological Assessment corpus (MMPsy)を構築した。 我々のデータセットには、不安評価のためのインタビューの7,700件、うつ病評価のための4,200件以上の記録が含まれています。
  論文  参考訳（メタデータ） (2024-08-22T02:54:52Z)
• MindShift: Leveraging Large Language Models for Mental-States-Based Problematic Smartphone Use Intervention [34.21508978116272]
  問題のあるスマートフォンの使用は、身体的および精神的な健康に悪影響を及ぼす。 先行研究の幅広い範囲にもかかわらず、既存の説得技術は動的説得内容を提供するのに十分な柔軟性を持っていない。 我々は,大規模言語モデル(LLM)を利用して,効果的な説得コンテンツの自動生成と動的生成を実現した。 我々は,新しいLLMを利用したスマートフォン利用介入技術であるMindShiftを開発した。
  論文  参考訳（メタデータ） (2023-09-28T17:49:03Z)
• DEPAC: a Corpus for Depression and Anxiety Detection from Speech [3.2154432166999465]
  本稿では、うつ病と不安スクリーニングツールの確立したしきい値に基づいてラベル付けされた、心的苦痛分析オーディオデータセットDEPACを紹介する。 この大きなデータセットは、個人ごとの複数の音声タスクと、関連する人口統計情報から構成される。 人間の音声における精神疾患の徴候の同定に有効な,手作業による音響的特徴と言語的特徴からなる特徴セットを提案する。
  論文  参考訳（メタデータ） (2023-06-20T12:21:06Z)
• Mental Illness Classification on Social Media Texts using Deep Learning and Transfer Learning [55.653944436488786]
  世界保健機関(WHO)によると、約4億5000万人が影響を受ける。 うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。 本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
  論文  参考訳（メタデータ） (2022-07-03T11:33:52Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
  失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価 本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。 イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
  論文  参考訳（メタデータ） (2021-02-10T13:00:29Z)
• MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
  ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。 我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
  論文  参考訳（メタデータ） (2020-11-17T15:18:38Z)
• Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
  不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。 スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。 eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
  論文  参考訳（メタデータ） (2020-08-09T20:22:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。